沒人會質疑設計客製化 LSI (ASIC) 遠非簡單而快速的過程。 但我希望並且需要它更快：今天我發布了一個演算法，一周後我拿走了完成的數位項目。 事實上，高度專業化的 LSI 幾乎是一次性產品。 這些很少需要數百萬批次，如果需要在最短的時間內完成，您可以在其開發上花費盡可能多的金錢和人力資源。 專用 ASIC 是解決其任務最有效的工具，因此開發成本應該更低，這在機器學習發展的現階段變得非常重要。 在這方面，電腦市場累積的包袱，尤其是機器學習（ML）領域GPU的突破已經無法迴避。
為了加快 ML 任務的 ASIC 設計，DARPA 正在建立一個新專案—即時機器學習 (RTML)。 即時機器學習程式涉及開發一個編譯器或軟體平台，可以自動為特定的機器學習框架設計晶片架構。 該平台應自動分析所提出的機器學習演算法和用於訓練該演算法的資料集，之後應在 Verilog 中產生程式碼以建立專用 ASIC。 ML演算法開發人員不具備晶片設計人員的知識，設計人員很少熟悉機器學習原理。 RTML 程序應有助於確保將兩者的優勢結合到用於機器學習的自動化 ASIC 開發平台中。
在 RTML 程式的生命週期中，找到的解決方案需要在兩個主要應用領域進行測試：5G 網路和影像處理。 此外，RTML 程式和為機器學習加速器自動設計創建的軟體平台將用於開發和測試新的機器學習演算法和資料集。 因此，即使在設計晶片之前，也可以評估新框架的前景。 DARPA 在 RTML 計畫中的合作夥伴將是美國國家科學基金會 (NSF)，該基金會也參與機器學習問題和 ML 演算法的開發。 開發的編譯器將轉移給 NSF，DARPA 預計將收到用於設計 ML 演算法的編譯器和平台。 未來，硬體設計和演算法創建將成為一個整合的解決方案，這將導致即時自學習的機器系統的出現。
來源： 3dnews.ru